低成本算法，大幅提升視覺分類魯棒性！悉尼大學華人團隊發布全新EdgeNet方法

AIGC動態歡迎閱讀

原標題：低成本算法，大幅提升視覺分類魯棒性！悉尼大學華人團隊發布全新EdgeNet方法
關鍵字：報告,網絡,圖像,特征,骨干
文章來源：新智元
內容字數：8683字

內容摘要：

新智元報道編輯：LRS
【新智元導讀】EdgeNet可以處理從干凈的自然圖像或嘈雜的對抗性圖像中提取的邊緣，產生魯棒的特征，具有輕量級、即插即用等特點，能夠無縫集成到現有的預訓練深度網絡中，訓練成本低。在深度神經網絡時代，深度神經網絡（DNNs）在視覺分類任務中展現出了卓越的準確性。然而，它們對額外噪聲，即對抗性攻擊，表現出了脆弱性。先前的研究假設這種脆弱性可能源于高準確度的深度網絡過度依賴于與紋理和背景等無關緊要且不魯棒的特征。
最近的AAAI 2024學術會議上，悉尼大學的研究人員們揭示了「從圖像中提取的邊緣信息」能夠提供與形狀和前景相關的相關性強且魯棒的特征。論文鏈接：https://ojs.aaai.org/index.php/AAAI/article/view/28110
這些特征在幫助預訓練深度網絡改善對抗魯棒性的同時，還不影響其在清晰圖像上的準確性。
作者們提出了一種輕量級且即插即用的EdgeNet，可以無縫集成到現有的預訓練深度網絡中，包括Vision Transformers （ViTs），這是最新一代用于視覺分類的先進模型家族。
EdgeNet可以處理從干凈的自然

原文鏈接：低成本算法，大幅提升視覺分類魯棒性！悉尼大學華人團隊發布全新EdgeNet方法

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。